医疗卫生领域研究中常见的层次结构数据适用的3种统计模型包括混合线性模型(MLM)、广义估计方程(GEE)和广义线性混合模型(GLMM)。在IBM SPSS Statistics中，"混合模型"分析菜单下的"线性"和"广义线性"选项可分别实现MLM和GLMM，"广义线性模型"菜单下的"广义估计方程"可实现GEE。以IBM SPSS Statistics自带数据为例，展示在IBM SPSS Statistics 20.0中的实现并对主要结果进行解释，IBM SPSS Statistics可以简单地实现MLM、GEE和GLMM，3种方法考虑数据的聚集性并将误差分解到相应的层次水平，可以得到更为科学合理的结果，有利于广大医学研究者快速掌握并使用。

掌握学习是一种基于胜任力的混合教育方法。掌握学习将复杂的医学教育内容按照难度分解为若干教学单元，每个教学单元均设定最低通过标准，通过形成性评价，检验学习者是否达到掌握标准，通过-继续学习/不通过-重复学习，最终达到"掌握"的目的。达到掌握标准的学习者通常能够在临床实践中更自如地运用知识，降低被监督程度，并通过自己的判断完成更复杂任务。

气候变暖通过改变植物凋落物产量、质量以及分解者组成和活动来影响分解过程,从而调控生态系统的物质循环.在干旱、半干旱区,气候变暖对混合凋落物分解的影响仍不清楚.本研究利用开顶式增温箱和分解袋法,分析毛乌素沙地黑沙蒿和赖草混合凋落物在450 d分解过程中质量损失和养分的动态变化.结果表明:凋落叶对增温的响应存在种间差异,增温促进了赖草凋落叶的质量损失和N、P释放,抑制了黑沙蒿凋落叶的质量损失、P释放,但促进了 N释放.黑沙蒿和赖草凋落叶混合会抑制分解,增温加强了混合分解的拮抗效应,使混合凋落叶总质量损失减少9％,N和P释放量分别减少4.9％和12.6％.增温处理下混合凋落物质量损失和P释放的拮抗效应随时间逐渐加强,分解150 d时N释放从协同变为拮抗效应.黑沙蒿和赖草凋落叶混合分解产生的非加性效应受温度和时间共同调控,未来的混合凋落物分解研究应该考虑温度和时间的交互作用.

目的:为实现从母体腹壁混合信号中提取高信噪比和波形清晰的胎儿心电信号,提出一种融合核主成分分析(kernel principal component analysis,KPCA)、快速独立成分分析(fast independent component analysis,FastICA)及奇异值分解(singular value decomposition,SVD)的胎儿心电信号提取算法.方法:首先,采用KPCA对母体心电信号进行降维,再利用改进的基于负熵的FastICA处理降维后的数据,得到独立成分.随后,引入样本熵进行信号通道选择,挑选出包含最多母体信息的信号通道.在选中的母体通道上进行SVD,得到母体心电信号的近似估计,再用腹壁源信号减去该信号得到胎儿心电的初步估计.最后,采用改进的基于负熵的FastICA成功分离出纯净的胎儿心电信号.在腹部和直接胎儿心电图数据库(Abdominal and Direct Fetal Electrocardiogram Database,ADFECGDB)和 PhysioNet 2013挑战赛数据库中对提出的算法进行验证.结果:提出的算法在主观视觉效果和客观评价指标上都表现出优越的性能.在ADFECGDB数据库中,胎儿QRS复合波检测的敏感度、阳性预测值和F1值分别为99.74％、98.85％和99.30％;在PhysioNet 2013挑战赛数据库中,胎儿QRS复合波检测的敏感度、阳性预测值和F1值分别为99.10％、97.87％和98.48％.结论:融合KPCA、FastICA及SVD的胎儿心电信号提取算法在提取胎儿心电信号的同时有效处理了附加噪声,为胎儿疾病的早期诊断提供了有力支持.

为了调整低效马尾松(Pinus massoniana,P)人工纯林的林分结构,探明其与乡土阔叶树种凋落叶混合分解过程中的可溶性有机碳(DOC)释放规律,该研究以马尾松、香樟(Cinnamomum camphora,C)和香椿(Toona sinensis,T)的凋落叶为研究对象,将其按照不同树种和质量比例组合为 15 个处理(3 个单一树种处理+12 个混合处理)后进行野外凋落叶分解实验,并探讨DOC释放最佳的凋落叶树种组合以及混合比例.结果表明:(1)马尾松和大部分混合处理凋落叶(除了PT64)在分解初期(0～6 个月)的DOC含量均显著升高,出现富集现象,之后随着分解时间的延长而降低,在分解中后期(12～18 个月)或分解末期(18～24 个月)再次出现小幅度的碳富集现象.阔叶所占比例越高,其后期DOC含量越低.(2)分解前期(0～6 个月)凋落叶DOC释放的拮抗效应较强(58.33%),仅有 8.33%(1/12)的混合处理表现出协同效应.之后(6～18个月)其协同效应逐渐增强(91.67%),分解末期(18～24 个月)凋落叶的协同效应有所减弱(66.67%).在所有混合处理中,PT64 在整个分解期间均出现协同效应,其次为PT73、PCT622 和PCT613 在大部分分解时期(3/4)出现协同效应.(3)偏最小二乘法(PLS)回归分析表明,凋落叶初始质量因子中N含量、P 含量、木质素含量、缩合单宁含量、C/N、C/P、木质素/N以及木质素/P是影响该研究区域中凋落物DOC释放的重要因素.总体而言,马尾松与阔叶凋落叶混合后的DOC释放受到树种、混合比例及分解时间的共同影响.相对于其他混合处理,阔叶占比大于等于 30.00%且含有香椿(T)的凋落叶混合处理(PT64、PT73、PCT622和PCT613)更能促进DOC的释放.

脑电图是一种非侵入式的脑电活动测量方式,近年来单通道/少通道的脑电应用越来越多,而多种类型的生理伪迹信号严重影响单通道/少通道脑电的分析和广泛应用.该文针对单通道/少通道脑电中存在的多种生理伪迹,综述了涉及的回归和滤波方法、分解方法、盲源分离方法和机器学习方法.针对单通道/少通道脑电信号的特点,分析总结了用于不同场景的脑电生理伪迹去除的混合方法,主要包括单伪迹/多伪迹场景和在线/离线场景.另外,该文还回顾了在半模拟和真实脑电数据下的验证算法性能的方法和指标.最后,简述了单通道/少通道脑电应用及生理伪迹处理的发展趋势.

目的:探讨体育锻炼参与对老年人日常生活能力的影响机制.方法:运用Stata 17.0软件对2016、2018、2020年3期中国家庭追踪调查(CFPS)混合截面数据中的65岁以上老年人日常生活能力等基本情况进行描述性统计分析,采用OLS模型、反事实估计—倾向得分匹配法(PSM)分析体育锻炼参与对老年人日常生活能力的影响,运用KHB分解法对中介作用进行效应分解.结果:体育锻炼参与对老年人日常生活能力有显著预测作用(P＜0.01),PSM匹配后的ATT值均通过检验(β=0.209,0.200,0.215,0.158;P＜0.01);认知功能和抑郁在体育锻炼参与对老年人日常生活能力的影响中起部分中介作用,分别占比13.38％和21.9％.结论:体育锻炼参与不仅对老年人日常生活能力具有良好的改善效果,还能通过提高认知功能和减少抑郁影响日常生活能力.

在临方浓缩水丸制备过程中,处方水煎液需要经过受热浓缩与辅料或者饮片细粉混合制备软材.而部分中药成分受热易分解或转化,因此,为了减少处方中热不稳定活性成分的损失,优选中药临方浓缩水丸的制备工艺,该研究以苓桂术甘方、小承气方、散偏方、小儿七星方、逍遥方5个含有热不稳定成分中药的复方为模型处方,基于研究团队前期建立的2种临方浓缩水丸制备技术,分别制备全浸膏浓缩水丸以及零辅料浓缩水丸,进行特征图谱表征,并与全方水煎液特征图谱进行对比.结果表明5个模型处方的零辅料浓缩水丸的特征图谱与全方水煎液接近,其特征峰的数量及峰面积均高于全浸膏浓缩水丸,且部分峰的峰面积高于全方水煎液.提示当处方中含有热不稳定成分的中药时,优先选择"药辅合一"的工艺制备零辅料临方浓缩水丸,以便更大程度地保留热不稳定成分,为后续中药临方丸剂的合理开发和应用提供依据.

为探究凋落物混合对凋落物分解速率的影响以及食碎屑动物在凋落物混合分解中的作用,利用室内微宇宙试验,研究了食碎屑动物(等足类)对化学质量差异较大的两种凋落物(香樟和白兰)混合分解的影响.结果表明:经过100 d的分解,凋落物混合分解的平均分解率为52.1％,小于白兰凋落物的平均分解率(62.6％),显著大于香樟凋落物的平均分解率(33.6％).添加等足类动物显著提高了凋落物的分解速率,香樟凋落物、白兰凋落物及两者混合的分解率分别提高14.4％、20.1％、22.1％.没有等足类动物参与凋落物混合分解时,混合分解效应不显著,等足类动物的参与显著促进了凋落物的混合分解效应,混合效应值为8.6％.食碎屑动物不仅提高了凋落物分解速率,还通过摄食更多化学质量更高的凋落物促进凋落物的混合分解效应.

有机残体混合分解对陆地生态系统物质循环至关重要,但关于农田生态系统中混合秸秆分解过程的研究仍较缺乏.该研究在玉米(Zea mays)单作、马铃薯(Solanum tuberosum)单作和玉米马铃薯间作小区实验中,设置了为期6个月的玉米秸秆、马铃薯秸秆和玉米马铃薯混合秸秆分解袋填埋实验,通过Biolog-Eco微平板法分析秸秆类型和分解环境对秸秆微生物碳代谢活性的影响.结果表明,马铃薯秸秆和玉米秸秆混合对分解过程产生了协同效应,混合秸秆的分解率和微生物代谢活性高于单一秸秆,增加了微生物对碳水化合物和羧酸类底物的利用.这种协同效应随时间延长而削弱.随机森林模型和结构方程模型分析表明,土壤中溶解性有机碳、硝态氮、铵态氮含量以及秸秆碳氮比是驱动秸秆分解的重要因素.总之,秸秆混合促进秸秆分解.